RAGFlow

Eine RAG-Engine mit besonders starkem Dokumentenverständnis: zerlegt auch komplexe PDFs mit Tabellen und Layout sauber — für präzise, belegte Antworten.

Für wen: Wer viele oder anspruchsvoll formatierte Dokumente hat und Wert auf genaue Fundstellen legt.

Installation

Per Docker Compose starten (Systemvoraussetzungen und Befehle in der Doku):

git clone https://github.com/infiniflow/ragflow
cd ragflow/docker
docker compose up -d

Danach die Weboberfläche öffnen; lokale Modelle über Ollama einbindbar.

Erste Schritte

Eine Wissensdatenbank anlegen und Dokumente hochladen. RAGFlow zeigt transparent, wie es die Dokumente zerlegt hat — das lässt sich prüfen und anpassen. Anschließend im Chat Fragen stellen; jede Antwort verweist auf die konkrete Textstelle.

Plattformen: Docker

Im Detail

RAGFlow ist eine RAG-Engine (Retrieval-Augmented Generation), deren Schwerpunkt auf dem Verstehen komplexer Dokumente liegt. Statt PDFs nur grob in Textblöcke zu zerschneiden, analysiert es Layout, Tabellen und Struktur und zerlegt Dokumente entsprechend sauberer in sinnvolle Abschnitte. Das führt zu präziseren Antworten mit nachvollziehbaren Fundstellen, gerade bei Berichten, Verträgen oder technischen Dokumentationen mit vielen Tabellen. Betrieben wird es per Docker auf eigener Hardware. Lohnt sich vor allem für Nutzer mit größeren oder unstrukturiert formatierten Dokumentenbeständen, bei denen einfachere RAG-Tools an Layout- und Tabellenerkennung scheitern; für simple, reine Textdokumente reichen oft leichtere Alternativen.

Praxis-Tipp

Bei PDFs mit vielen Tabellen (etwa Finanzberichten) die Layout-Erkennung aktiv lassen statt Dokumente vorab in reinen Text zu konvertieren – so bleiben Tabellenstrukturen für die Antwortgenauigkeit erhalten.

Siehe auch

• PrivateGPT
• Onyx (früher Danswer)

Lizenz & Quelle

• Lizenz: Apache-2.0
• Quelle: Website
• Quelle: GitHub